MétaCan
Menu
Retour à la cohorte
Enregistrement W3173486944 · doi:10.31399/asm.cp.itsc2021p0157

Effect of Secondary Component Properties when Cold Spraying Mixed Metal Powders on Carbon Fiber Reinforced Polymers

2021· article· en· W3173486944 sur OpenAlexaffabout
Andre C. Liberati, Hanqing Che, Stephen Yue, Phuong Vo

Notice bibliographique

RevueThermal spray · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFlame retardant materials and properties
Établissements canadiensNational Research Council CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésTinMaterials scienceCoatingComposite materialPolymerDeposition (geology)AluminiumMetallurgyGas dynamic cold sprayCarbon fibersFiberCopperMetalComposite number

Résumé

récupéré en direct d'OpenAlex

Abstract In previous studies at McGill University, tin was successfully cold sprayed onto carbon fiber reinforced polymers (CFRPs). A “crack-filling” mechanism was described as the deposition mechanism that allowed deposition of tin onto the CFRP. Improving the coating conductivity for lightning strike protection (LSP) purposes was achieved by adding other metal powders (aluminum, copper, zinc) to tin and cold spraying on the CFRP. At the same time, it was noticed that the addition of this secondary component (SC) provided an increase in deposition efficiency (DE), tamping was initially hypothesized to explain this improvement, thus prompting a study solely on the effect of SC hardness, which is reported elsewhere in this conference. However, it is recognised that other powder characteristics may also be influencing the DE. Thus, in this study, SCs with a wider variety of particle sizes, morphologies, densities and hardness values were mixed with tin and sprayed on CFRPs. The effect of SC properties on tin deposition is discussed and an optimal combination of SC properties for cold spraying of tin is suggested.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,209
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetFlame retardant materials and propertiesTravaux en français237 207